dask df.col.unique（）与df.col.drop_duplicates（）的比较

在达斯克，两者的区别是什么

df.col.unique()

及

两者都返回一个序列，其中包含

df.col

的唯一元素。 索引中存在差异，

unique

结果由1..N索引，而

drop\u duplicates

由任意外观的数字序列索引

drop\u duplicates

返回的索引的意义是什么

---

如果索引不重要，是否有任何理由使用其中一个而不是另一个？

Dask.dataframe两者都有，因为Pandas两者都有，而Dask.dataframe主要复制Pandas API。“独一无二”是大熊猫与Numpy历史的延续

In [1]: import pandas as pd

In [2]: df = pd.DataFrame({'x': [1, 2, 1], 'y': [1., 2., 3.]}, index=pd.Index(['a', 'b', 'A'], name='I'))

In [3]: df.x.drop_duplicates()
Out[3]: 
I
a    1
b    2
Name: x, dtype: int64

In [4]: df.x.unique()
Out[4]: array([1, 2])

在dask.dataframe中，我们稍微偏离，选择使用

dask.dataframe.Series

而不是

dask.array.array

，因为不能预先计算数组的长度，因此不能懒惰地操作

---

在实践中，几乎没有理由使用

unique

而不是

drop\u duplicates

使用

unique

的一个原因是它返回一个

numpy.ndarray

。

In [1]: import pandas as pd

In [2]: df = pd.DataFrame({'x': [1, 2, 1], 'y': [1., 2., 3.]}, index=pd.Index(['a', 'b', 'A'], name='I'))

In [3]: df.x.drop_duplicates()
Out[3]: 
I
a    1
b    2
Name: x, dtype: int64

In [4]: df.x.unique()
Out[4]: array([1, 2])